今すぐ試したい！機械学習・深層学習（ディープラーニング）画像認識プログラミングレシピ [単行本]

今すぐ試したい！機械学習・深層学習（ディープラーニング）画像認識プログラミングレシピ の 商品概要

• 要旨（「BOOK」データベースより）

  ＴｅｎｓｏｒＦｌｏｗ、Ｃｈａｉｎｅｒ、ＰｙＴｏｒｃｈ、Ｋｅｒａｓ、ｓｃｉｋｉｔ‐ｌｅａｒｎのキホンを知る。Ｐｙｔｈｏｎを使って、ＰＣで、Ｇｏｏｇｌｅ　Ｃｏｌａｂｏｒａｔｏｒｙで試そう！

• 目次

  第1部 人工知能・機械学習・深層学習の基礎知識
  
  第1章 人工知能・機械学習・深層学習の基本
  　01-01 人工知能概要
  　人工知能の歴史
  　人工知能とは
  　機械学習
  　人工ニューラルネットワーク
  　深層学習（ディープラーニング）
  　今注目される理由
  　01-02 機械学習とは
  　機械学習とは
  　機械学習のタイプ（分類）
  　教師あり学習
  　教師あり学習の用途
  　教師あり学習の重要アルゴリズム
  　教師なし学習
  　教師なし学習の用途
  　教師なし学習の重要アルゴリズム
  　強化学習
  　機械学習のためのデータ
  　データの重要性
  　学習用データと検証データ
  　過学習（over fitting）
  　次元の呪い（the curse of dimensionality）
  　データの入手
  　機械学習（教師あり）の流れ
  　課題の定義
  　データの準備
  　学習フェーズ
  　検証・評価フェーズ
  　応用フェーズ
  　01-03 深層学習とは
  　視覚情報の重要性
  　生物学ニューロンから人工ニューロンへ
  　生物学ニューロンとは
  　生物学ニューロンのモデル化
  　パーセプトロン（perceptron）
  　パーセプトロンの限界
  　ニューラルネットワーク
  　活性化関数
  　ニューラルネットワークの学習
  　深層学習（ディープラーニング）とは
  　深層学習の応用
  　3つの代表的な深層学習アルゴリズム
  　畳み込みニューラルネットワーク詳説
  　入力層(input layer)
  　畳み込み層（convolutional layer）
  　プーリング層（pooling layer）
  　全結合層（fully connected layer）
  　深層学習のフレームワーク
  　機械学習、深層学習に必要な数学
  
  第2章 Pythonと重要なツール・ライブラリ
  　02-01 本書の実行環境の概要について
  　Pythonの開発環境
  　Pythonの環境を用意する
  　PCにPythonをインストールする場合
  　Anacondaのダウンロード
  　Anacondaのインストール
  　Anaconda Navigatorの起動
  　Anacondaで環境の管理
  　まずはChannelを追加しよう
  　仮想環境にパッケージをインストールしよう
  　Raspberry Piの場合
  　pip3のインストール
  　共通の必要なパッケージ等をインストールする
  　Kerasが利用するパッケージのインストール
  　本書のサンプルコードをダウンロードする
  　02-02 Jupyter Notebookを使おう
  　Jupyter Notebookの起動
  　Jupyter Notebookの基本操作
  　Notebookを作る
  　新しいNotebookを作る
  　メモを追加する
  　Raspberry PiでJupyter Notebookを使う場合
  　02-03 Colaboratoryノートブックを使おう
  　動かそう！
  　GoogleアカウントにログインしてGoogleドライブを起動
  　Colaboratoryノートブックを作成する
  　Pythonのバージョンの設定
  　Colaboratoryでの操作
  　ハードディスクの容量の確認
  　メモリ使用量の確認
  　OS情報の出力
  　CPU情報の出力
  　ファイルのアップロード
  　パッケージのインストール
  　使用中のパッケージのバージョンの確認
  　本書のNotebookをインポートする
  　02-04 Pythonの基礎と文法
  　Pythonの基本
  　Pythonのバージョンを確認しよう
  　インストールされているパッケージを確認しよう
  　Hello Worldと表示してみよう
  　日本語の出力
  　コメントの書き方
  　演算
  　変数
  　変数とは
  　文字列の変数
  　文字列の連結
  　Pythonの型
  　型の出力
  　型の変換
  　リストの作り方
  　二次元配列
  　三次元配列
  　文字の多次元配列
  　リストからの値の出し方
  　リストのスライス
  　リスト要素の更新
  　リスト要素の追加
  　リスト要素の削除
  　リストの代入
  　条件分岐
  　if文と条件式
  　else
  　elif
  　条件式の and、not、or
  　for文
  　range()による数値シーケンスの生成
  　while文
  　関数
  　import
  　ファイルをimportする
  
  第3章 NumPyとMatplotlibの使い方
  　03-01 NumPyの使い方
  　NumPyの基本操作
  　配列の作成
  　掛け算
  　足し算
  　配列の要素同士の四則演算
  　ベクトルの内積
  　二次元ベクトルの内積
  　ndarrayの形状変換
  　要素がゼロの配列生成
  　要素が1の配列を生成する
  　未初期化の配列を生成する
  　matrixで二次元配列の作成
  　shapeで次元ごとの要素数を取得する
  　ndimで次元構造を取得する
  　配列要素のデータ型dtype
  　1要素のバイト数itemsize
  　配列の要素数size
  　arangeで配列を生成する
  　配列要素データ型の変換astype
  　03-02 Matplotlibの使い方
  　簡単なグラフを作ってみよう
  　グラフの要素に名前を設定する
  　グラフのグリッドを非表示にする
  　グラフの目盛を設定する
  　グラフのサイズ
  　散布図
  　複数グラフのグリッド表示
  　三次元散布図
  　色とマーカーを変える
  
  
  第2部 今すぐ試してみたい16のレシピ！
  
  第4章 機械学習・深層学習のレシピ（初級・中級）
  　04-01 OpenCVでの画像処理の基本
  　OpenCVとは
  　OpenCVのバージョン
  　OpenCVのインストール
  　バージョンの確認
  　サンプル画像のダウンロード
  　調理手順
  　画像の取込み
  　画像の保存
  　トリミング
  　リサイズ
  　画像の回転
  　色調変換
  　2値化
  　ぼかし
  　ノイズの除去
  　膨張・収縮
  　輪郭抽出
  　画像データの水増し
  　まとめ
  　04-02 Raspberry PiでOpenCVを利用した顔認識
  　Raspberry PiでOpenCVを使えるようにする
  　OpenCVのコンパイルとインストール
  　Raspbianの用意
  　Expand Filesystem
  　システムを更新する
  　swapfileサイズを大きくする
  　必要なパッケージのインストール
  　OpenCVのソースコードを用意する
  　コンパイルの準備
  　いざコンパイル
  　インストール
  　OpenCVのsoファイルを参照できるようにする
  　最後にswapfileサイズを戻す
  　インストール後の確認
  　調理手順
  　Raspberry Piカメラモジュールの用意
  　PiCameraパッケージのインストール
  　PiCameraを使えるようにRaspberry Piを設定する
  　カメラの動作確認
  　OpenCVのサンプルコードを実行しよう
  　分類器のダウンロード
  　実行と結果
  　検出方法
  　まとめ
  　04-03 アヤメ分類チャレンジレシピ
  　scikit-learnとは
  　scikit-learnとはPython向けの機械学習フレームワーク
  　scikit-learnの特徴
  　scikit-learnの datasetsの種類
  　scikit-learnのインストール
  　scikit-learnのバージョンの確認
  　課題を理解する
  　データに慣れる
  　表形式でデータを見る
  　データ全件を見る
  　1つの特徴量を見てみる
  　1列目、2列目のデータを使う場合
  　3列目、4列目のデータを使う場合
  　調理手順
  　必要なパッケージのインポート
  　分類と回帰
  　サポートベクターマシン（SVM : Support Vector Machine）
  　回帰係数と誤差
  　超平面（hyper-plane）とは？
  　交差検証
  　最後に一番シンプルな学習と検証
  　分類(predict)してもらう
  　まとめ
  　04-04 scikit-learnで機械学習手書き数字認識レシピ
  　手書き数字の画像データの特徴量を調べる
  　データセットモジュールのインポート
  　データを表示する
  　データを画像として描画する
  　複数データを描画してみよう
  　手書き数字データセットを三次元の空間で見る
  　調理手順
  　分類器をインポートする
  　データを再構成
  　分類器（SVC）の作成
  　検証とグラフ
  　一回整理しよう
  　まとめ
  　04-05 Chainer＋MNIST手書き数字分類レシピ
  　Colaboratoryで学習、Raspberry Piで
  　手書き認識ウェブアプリケーションを作成
  　Chainerとは
  　MNISTとは
  　Chainer のインストール
  　Chainerのバージョンの確認
  　Chainer の基本部品のインポート
  　MNISTのデータをロードする
  　数字の画像を見る
  　学習用データセットと検証用データセットの数
  　調理手順
  　必要なパッケージをインポートする
  　ニューラルネットワークの定義
  　iteratorsとは
  　Optimizerの設定
  　検証の処理ブロック
  　学習と検証
  　学習済モデルの保存
  　学習済モデルのダウンロード
  　学習済のモデルを使う
  　Raspberry Pi側の作業
  　手書き数字の認識
  　画像データの送信
  　画像データの受け取り
  　まとめ
  　04-06 Chainerで作る犬と猫認識ウェブアプリ
  　データの準備
  　ChainerとCuPyの用意
  　データセットのダウンロード
  　ダウンロードしたファイルを確認する
  　データセットを解凍する
  　調理手順
  　学習データを確認する（任意画像）
  　検証データを確認する（任意画像）
  　学習データと検証データを分ける
  　関数get_image_teacher_label_list()の定義
  　学習データと検証データをリストにする
  　画像データ形式の整備
  　データ形状変換の結果確認
  　画像の前処理関数 adapt_data_to_convolution2d_format()
  　データセットの作成
  　学習データと検証データを分ける
  　CNNを設定する
  　反復子
  　Optimizerの設定
  　updaterの設定
  　trainerの設定
  　extensionsの設定
  　学習の実行
  　学習結果の確認
  　検証する（学習済モデルを使う）
  　モデルを書き出す
  　関数の定義 convert_test_data()
  　検証用の写真を選ぶ
  　画像サイズの設定
  　Google Driveにドキュメントとして保存する
  　ファイルの作成
  　保存(Google Driveへのアップロード)
  　手書き犬と猫の判別
  　写真をアップロードして認識させる
  　写真を判定する処理
  　まとめ
  　04-07 PyTorchでMNIST手書き数字学習レシピ
  　PyTorchとは
  　PyTorchのインストール
  　調理手順
  　必要なパッケージのインストール
  　データセットのダウンロード
  　データの中身を見てみる
  　データを可視化してみる
  　学習データと検証データを用意する
  　ニューラルネットワークの定義
  　モデル
  　コスト関数と最適化手法を定義する
  　学習
  　検証
  　個別データで検証
  　まとめ
  　04-08 PyTorchでCIFAR-10の画像学習レシピ
  　CIFAR-10とは
  　PyTorchのインストール
  　必要なパッケージのインポート
  　transformを定義する
  　学習データと検証データの用意
  　クラスの中身を設定する
  　調理手順
  　必要なパッケージのインポート
  　画像を表示する関数
  　CIFAR-10の中身を見る
  　学習のニューラルネットワークの定義
  　optimizerの設定
  　学習
  　個別データで検証
  　テスト
  　検証
  　クラス毎の検証結果
  　まとめ
  
  第5章 機械学習・深層学習のレシピ（中級・上級）
  　05-01 TensorFlow＋Keras＋MNIST
  　手書き数字認識ウェブアプリ
  　Kerasとは
  　Kerasのバックエンドとは？
  　なぜKerasを使うのか
  　TensorFlowとは
  　Kerasを用いた処理フロー
  　調理手順
  　TensorFlowのインストール
  　TensorFlowのバージョンの確認
  　Kerasのインストール
  　設定
  　MNISTデータセットのローディング
  　学習モデルに合わせたデータ配列の形状変換
  　学習モデルに合わせてデータ調整
  　教師ラベルデータの変換
  　シーケンシャルモデル指定
  　学習モデルの構築
  　ニューラルネットワークの構築
  　モデルのコンパイル
  　学習
  　学習プロセスのグラフ
  　検証
  　予測
  　学習済モデルの保存
  　保存後ファイルの確認
  　学習済モデルのダウンロード
  　Raspberry Piで手書き数字の認識、文字認識
  　まとめ
  　05-02 TensorFlow＋FashionMNISTでFashion認識
  　Fashion MNISTとは
  　TensorFlowのバージョン
  　Fashion MNISTデータの取得
  　データセットを見る
  　検証データの確認
  　データセットの一部を描画する
  　調理手順
  　設定
  　学習モデルに合わせてデータ調整
  　学習モデルの構築
  　モデルのコンパイル
  　学習
  　学習プロセスのグラフ
  　検証
  　予測
  　学習済モデルの保存
  　まとめ
  　05-03 TensorFlowで花認識ウェブアプリ
  　retrain（転移学習）とは
  　花のデータセットをダウンロードする
  　花のデータセットを解凍する
  　学習（retrain）プログラムを入手する
  　フォルダの内容を確認する
  　調理手順
  　転移学習開始
  　学習の結果を確認する
  　予測用のプログラムをダウンロードする
  　テストを実施する
  　アップロードした花の写真でテストする
  　学習済のファイルをダウンロードする
  　Raspberry Piで手書き入力の部分を用意する
  　まとめ
  　05-04 TensorFlowでペットボトルと空き缶分別
  　データの収集をする
  　ペットボトルの画像を用意する
  　空き缶の画像を用意する
  　ペットボトル写真の処理
  　ペットボトル画像を確認するために表示する
  　意図しない写真ファイルを削除する（クレンジング処理）
  　ペットボトル画像の水増し
  　水増ししたペットボトルの画像を確認する
  　調理手順
  　学習プログラムをダウンロードする
  　用意したデータをtarget_folderにコピーする
  　ペットボトルのデータをコピーする
  　空き缶のデータをコピーする
  　転移学習開始
  　予測するプログラムをダウンロードする
  　学習済モデルを使う
  　学習済のモデルファイルをダウンロードする
  　まとめ
  　05-05 YOLOで物体検出
  　物体検出とは
  　YOLOとは
  　調理手順
  　daskのインストール
  　CPythonのインストール
  　darknetのclone
  　作業の場所を移動する
  　YOLOをコンパイルする
  　YOLO3のモデルをダウンロードする
  　物体検出を試してみよう
  　もう1枚テストする
  　まとめ
  　05-06 ハードウェアの拡張による人物検出
  　Movidius NCSとは
  　調理手順
  　システムを最新の状態にする
  　swapfileサイズを大きくする
  　ncsdkのインストール
  　TensorFlowのインストール
  　OpenCVのインストール
  　サンプル

• 内容紹介

  私たちの日常生活で、人工知能が普通に使われる時代になりました。スマートフォンの顔認証、自動運転技術、SiriやAlexaのようなAI音声アシスタントなど身近な技術ばかりです。これからは機械学習や深層学習はエンジニアの基本教養となるかもしれません。本書は、機械学習や深層学習の分野から画像認識に重点をおいて、難しい数式をつかわず、図や写真を多用して解説する入門書です。必要な概念、用語、キーワードも網羅的に説明します。

• 著者について

  川島　賢 (カワシマ　ケン)
  川島　賢（かわしま　けん）
  東北大学大学院情報科学研究科応用情報科学修士、株式会社虹賢舎代表取締役
  2004年　宮城大学事業構想学部卒業後、仙台のソフトウェア制作会社に入社。人工知能、マルチエージェントプラットフォームの研究開発に従事。マルチエージェントプラットフォーム自動発見システム開発、心電図の無線伝送システムを一人で開発。他もECサイトなどの多数の開発に携わる、在職中修士号取得。
  2008年　アクセンチュア株式会社入社
  2014年　アクセンチュア卒業
  2015年　株式会社虹賢舎創立
  現在は、多岐にわたる技術領域に及ぶ多数の中小企業の業務IT化コンサルティング、情報システム、ウェブサービス、スマホアプリの企画、開発を携わっている。またベンチャー企業の技術顧問、相談役、プログラミングインストラクターやセミナー講師などとして幅広く活動している。
  技術のブログも運営し、電子工作、IoTから、機械学習、深層学習まで、幅広く精力的に情報を発信している。

今すぐ試したい！機械学習・深層学習（ディープラーニング）画像認識プログラミングレシピ の商品スペック